Resumen

Para mejorar la tasa de reconocimiento de usuarios con una sola característica conductual y evitar que impostores restrinjan un dispositivo de entrada para evitar la detección, en este artículo se propuso un método de autenticación de usuario de doble índice basado en el Aprendizaje de Núcleos Múltiples (MKL) para la fusión de características conductuales de teclado y ratón. Debido a la heterogeneidad entre las características de pulsación de teclas y las características del ratón, argumentamos que cada tipo de características se mapea a un núcleo adecuado y los pesos de cada núcleo se obtienen mediante cálculos y luego se suman para obtener un núcleo compuesto que implementa la fusión de múltiples características. El conjunto de datos utilizado en este artículo se recopiló en condiciones completamente no controladas de algunos voluntarios utilizando nuestro programa de recopilación de datos. Los resultados experimentales muestran que el método propuesto puede obtener la mejor precisión de reconocimiento del 89.6%. En comparación con los métodos tradicionales de una sola característica, el método

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Tasa de reconocimiento; Autenticación de usuarios; Aprendizaje de núcleos múltiples; Pulsación de teclas; Ratón; Fusión
• Keywords:Recognition rate; User authentication; Multiple kernel learning; Keystroke; Mouse; Fusion